紅火蟻，農(nóng)業(yè)的“頭號(hào)反派”，不僅咬人，還會(huì)啃電線、引發(fā)火災(zāi)，連國(guó)家都高度重視它的防治。可現(xiàn)有的除蟻手段精準(zhǔn)度不高、效率低，根本趕不上紅火蟻的擴(kuò)張速度。

于是，“基于AI視覺(jué)和自主探索導(dǎo)航的紅火蟻防治機(jī)器人”登場(chǎng)！它能自主巡邏、精準(zhǔn)識(shí)別、智能除蟻，像紅火蟻的天敵一樣持續(xù)對(duì)抗，讓蟻患問(wèn)題大大減少。目標(biāo)很簡(jiǎn)單：讓紅火蟻少折騰，讓農(nóng)田、社區(qū)更安心！————深圳大學(xué)：蟻嵌是蟻嵌，蟹仔是蟹仔團(tuán)隊(duì)。

一、創(chuàng)新與特色

1.1 作品特色

這款AI紅火蟻防治機(jī)器人集視覺(jué)識(shí)別、自主導(dǎo)航、智能投放于一身，像個(gè)專(zhuān)業(yè)的“除蟻特工”，精準(zhǔn)、高效、穩(wěn)準(zhǔn)狠！

• 火眼金睛 ：高性能攝像頭+AI視覺(jué)，精準(zhǔn)鎖定紅火蟻巢穴，探測(cè)又快又準(zhǔn)！
• 智能導(dǎo)航 ：自主規(guī)劃路線，LIDAR+IMU傳感器加持，無(wú)論是農(nóng)田、草地還是崎嶇地形，輕松穿越！
• 機(jī)械臂投放 ：多自由度機(jī)械臂+高精度舵機(jī)，精準(zhǔn)投放餌劑，讓紅火蟻“無(wú)處可逃”。
• 履帶底盤(pán) ?：避震+月球車(chē)結(jié)構(gòu)，翻山越嶺不在話下，顛簸地形穩(wěn)得??！
• 云端大腦 ??：數(shù)據(jù)實(shí)時(shí)上傳分析，研究紅火蟻動(dòng)向，優(yōu)化防治策略，滅蟻更科學(xué)！

1.2 創(chuàng)新點(diǎn)

• 懸掛避震系統(tǒng) ：8個(gè)避震器，保證機(jī)器人“跑得穩(wěn)，不傷身”。
• 月球車(chē)級(jí)底盤(pán) ：前端采用“被動(dòng)搖臂”結(jié)構(gòu)，崎嶇路面不減速，穩(wěn)健行駛無(wú)壓力。
• 機(jī)械臂+負(fù)壓吸泵 ：精準(zhǔn)吸取餌劑，投放時(shí)閉環(huán)控制，確保百發(fā)百中。
• 智能履帶控制 ?：硬件軟件高度協(xié)同，精準(zhǔn)巡航，自動(dòng)調(diào)整路線直奔蟻巢。
• YOLO-SRC改良算法 ：專(zhuān)門(mén)優(yōu)化移動(dòng)識(shí)別，小小蟻巢也逃不過(guò)它的眼睛！
• 餌劑精準(zhǔn)投放 ：智能控制餌劑用量，確保滅殺率的同時(shí)不浪費(fèi)，每一顆餌劑都物盡其用

二、功能

2.1 功能與特性

• 智能巡航 ?：基于ROS系統(tǒng)，小車(chē)可按照用戶(hù)設(shè)定的全局航點(diǎn)，實(shí)時(shí)構(gòu)建3D點(diǎn)云地圖，自主探索、避障、識(shí)別紅火蟻巢穴。
• 精準(zhǔn)滅殺 ：機(jī)器人靠近蟻巢后，機(jī)械臂+負(fù)壓吸泵吸取餌劑，利用視覺(jué)識(shí)別進(jìn)行矯正，確保餌劑精準(zhǔn)投放，不浪費(fèi)、不誤傷。
• 生態(tài)友好 ：餌劑投放量智能控制，既提高滅殺效率，又避免生態(tài)污染，不傷害本地蟻種。
• 遠(yuǎn)程監(jiān)控 ：巡邏路徑和滅殺記錄可在Web端 & App端可視化，隨時(shí)掌控滅蟻進(jìn)度！
• 智能預(yù)測(cè) ：云端大模型根據(jù)現(xiàn)有數(shù)據(jù)預(yù)測(cè)未搜索區(qū)域的蟻巢分布，為機(jī)器人規(guī)劃搜索路線，高效清除隱患。

2.2 設(shè)計(jì)流程

首先，確定項(xiàng)目背景，強(qiáng)調(diào)紅火蟻的危害和現(xiàn)有防治手段的不足。然后，進(jìn)行需求分析，明確人工巡查和市場(chǎng)產(chǎn)品的局限性。接著，提出機(jī)器人設(shè)計(jì)方案，包括履帶底盤(pán)、機(jī)械臂和電控系統(tǒng)。履帶底盤(pán)采用避震器和月球車(chē)機(jī)械結(jié)構(gòu)，提升越野性能；機(jī)械臂通過(guò)高精度舵機(jī)和視覺(jué)識(shí)別實(shí)現(xiàn)精確餌劑投放。最后，機(jī)器人通過(guò)自主導(dǎo)航和云端數(shù)據(jù)整合，實(shí)現(xiàn)高效紅火蟻巢穴探測(cè)和滅殺，達(dá)到智能化防治的目標(biāo)。

三、系統(tǒng)實(shí)現(xiàn)

3.1總覽

小車(chē)可沿預(yù)定巡航路線精準(zhǔn)滅殺紅火蟻巢穴，也可在劃定的GPS區(qū)域內(nèi)優(yōu)先覆蓋疫情高風(fēng)險(xiǎn)地區(qū)進(jìn)行搜索滅殺。

滅殺過(guò)程：小車(chē)依靠機(jī)械底座靠近蟻巢，機(jī)械臂配合負(fù)壓吸泵吸取餌劑，并通過(guò)視覺(jué)識(shí)別和電控系統(tǒng)精準(zhǔn)投放，確保滅殺效率，同時(shí)降低生態(tài)污染，避免對(duì)本地蟻種造成破壞。

小車(chē)的巡視路徑與滅殺數(shù)據(jù)將通過(guò)Web端和App端可視化展示，同時(shí)云端預(yù)測(cè)模型基于已有蟻巢信息，推測(cè)未搜索區(qū)域的蟻巢分布，引導(dǎo)小車(chē)優(yōu)化搜索策略。

小車(chē)采用“生物防治”理念，打造紅火蟻的“機(jī)械天敵”，依靠高識(shí)別率、高效搜索和云端數(shù)據(jù)整合，實(shí)現(xiàn)對(duì)紅火蟻種群的長(zhǎng)期控制，降低其對(duì)生態(tài)與經(jīng)濟(jì)的影響。

3.2 硬件系統(tǒng)介紹

3.2.1 硬件整體介紹

電控系統(tǒng)包括履帶底盤(pán)電機(jī)的控制與機(jī)械臂的控制，執(zhí)行紅火蟻滅殺任務(wù)時(shí)，上位機(jī)i5主機(jī)發(fā)送速度信息到下位機(jī)，下位機(jī)驅(qū)動(dòng)履帶小車(chē)機(jī)械底座靠近蟻巢，控制機(jī)械臂和末端負(fù)壓吸泵模塊吸取餌劑，并通過(guò)視覺(jué)識(shí)別矯正使機(jī)械臂置于蟻巢上方，而后投放餌劑。

3.2.2 機(jī)械設(shè)計(jì)介紹

A．機(jī)器底座

本文的紅火蟻防治機(jī)器人采用履帶結(jié)構(gòu)的月球車(chē)動(dòng)力結(jié)構(gòu)，通過(guò)電機(jī)帶動(dòng)履帶驅(qū)動(dòng)車(chē)體移動(dòng)。

a)避震器系統(tǒng)

我們?cè)诘妆P(pán)上增加了8個(gè)避震器，旨在提升車(chē)輛的越野性能，并保護(hù)車(chē)上的設(shè)備不受顛簸影響。當(dāng)遇到不平穩(wěn)的地面時(shí)，從動(dòng)輪受到向上的壓力，被迫向上移動(dòng)，并讓車(chē)身晃動(dòng)，而避震器此時(shí)就可以給從動(dòng)輪提供向下的壓力，使從動(dòng)輪與履帶緊密貼合，履帶與地面緊密接觸，并且這些避震器能夠有效地吸收地面震動(dòng)，減少車(chē)身晃動(dòng)，提供更穩(wěn)定的行駛體驗(yàn)。

b)類(lèi)似月球車(chē)底盤(pán)機(jī)械結(jié)構(gòu)

底盤(pán)前部?jī)蓚€(gè)從動(dòng)輪之間采用了類(lèi)似于月球車(chē)的機(jī)械結(jié)構(gòu)，即“被動(dòng)搖臂”型底盤(pán)。搖臂固定在連桿構(gòu)成的懸架上，增強(qiáng)了整體的懸掛性能，使車(chē)輛在不平地形中能夠更靈活地行駛。在遇到碎石地帶時(shí)，底盤(pán)前部會(huì)有一定的自主調(diào)整性，在允許的范圍內(nèi)，可以改變履帶與地面的接觸面積，從而增加小車(chē)翻越障礙的能力。

c)餌料箱主體設(shè)計(jì)

采用誘餌箱作為底盤(pán)的主體結(jié)構(gòu)，將變壓器和電池放置在箱體下方，以節(jié)省空間并保護(hù)其免受外部損壞。箱體設(shè)計(jì)采用了兩邊高中間低的設(shè)計(jì)，使誘餌粉末能夠集中到中間位置，便于收集和使用。我們?cè)O(shè)計(jì)了有效的固定機(jī)制，確保大電池和大電機(jī)能夠牢固地固定在底盤(pán)上，不會(huì)因?yàn)轭嶔ざ莆换驌p壞。

d)強(qiáng)化越野性能的履帶設(shè)計(jì)

我們針對(duì)地形復(fù)雜的野外環(huán)境，對(duì)履帶進(jìn)行了優(yōu)化設(shè)計(jì)，使其更好地適應(yīng)各種地形。這包括增加了履帶的寬度和厚度，以增加對(duì)不平地形的穩(wěn)定性和抓地力，從而減少小車(chē)的側(cè)翻概率，提升車(chē)輛的越野爬坡能力。

B．機(jī)械臂設(shè)計(jì)

機(jī)械臂運(yùn)動(dòng)系統(tǒng)是由三個(gè)總線舵機(jī)、機(jī)械外殼組成三自由度機(jī)械臂，我們采用了連桿和集中舵機(jī)的方式來(lái)驅(qū)動(dòng)機(jī)械臂，這種方式可以極大的減輕機(jī)械臂末端的壓力負(fù)荷，并且將重力全部集中在小車(chē)底盤(pán)上，使得小車(chē)重心更穩(wěn)。機(jī)械臂旁會(huì)有一個(gè)類(lèi)似卡扣的結(jié)構(gòu)將輸送固體顆粒的軟管給扣緊，在深度相機(jī)旁會(huì)有一個(gè)吸泵，將固體顆粒吸上來(lái)并放射出去，深度相機(jī)對(duì)紅火蟻巢穴進(jìn)行識(shí)別，一旦識(shí)別出紅火蟻，上位機(jī)通過(guò)串口發(fā)送轉(zhuǎn)動(dòng)位置信息給到總線舵機(jī)調(diào)試板，總線舵機(jī)調(diào)試板將接收的信息轉(zhuǎn)化為 PWM 波驅(qū)動(dòng)舵機(jī)進(jìn)行精準(zhǔn)的角度轉(zhuǎn)動(dòng)，對(duì)準(zhǔn)巢穴后，打開(kāi)吸泵吸起毒藥，電機(jī)關(guān)閉時(shí)倉(cāng)門(mén)打開(kāi)，農(nóng)藥落下，殺死紅火蟻。

機(jī)械臂大體分為三部分，分別是機(jī)械臂底部運(yùn)動(dòng)模塊，大臂運(yùn)動(dòng)模塊，小臂運(yùn)動(dòng)模塊。

a)機(jī)械臂底部運(yùn)動(dòng)模塊：

機(jī)械臂整個(gè)壓在機(jī)械臂底盤(pán)固定件，使底部齒輪完美配合，移動(dòng)盤(pán)在邊邊有三個(gè)螺紋孔，這三個(gè)螺紋孔與螺桿式萬(wàn)向球配合，他們的位置形成三角形，有效地避免機(jī)械臂會(huì)因重心不穩(wěn)而傾斜。在舵機(jī)的作用下，齒輪會(huì)帶動(dòng)從動(dòng)齒輪旋轉(zhuǎn)，移動(dòng)盤(pán)與舵機(jī)在齒輪的帶動(dòng)下進(jìn)行旋轉(zhuǎn)，移動(dòng)盤(pán)中間會(huì)有一個(gè)軸承，可以極大地減少摩擦并旋轉(zhuǎn)得更加順利。

b)大臂運(yùn)動(dòng)模塊：

一對(duì)大臂配合，中間的圓柱孔可以讓紅火蟻餌料輸送管嵌進(jìn)去，從而避免輸送管暴露和損壞，舵機(jī)與大臂配合，可以控制機(jī)械臂大體的位置。

c)小臂運(yùn)動(dòng)模塊：

一對(duì)小臂配合，中間的圓柱孔可以讓紅火蟻餌料輸送管嵌進(jìn)去，從而避免輸送管暴露和損壞，舵機(jī)與曲柄相連，曲柄與連桿相配合，連桿與小臂相配合，舵機(jī)運(yùn)動(dòng)，可以使曲柄控制連桿，進(jìn)而讓連桿精準(zhǔn)控制小臂的位置，使機(jī)械臂末端的達(dá)到目標(biāo)點(diǎn)。

圖9 機(jī)械臂設(shè)計(jì)拆解圖

3.2.3 電路各模塊介紹

下位機(jī)采用STM32F407VET6核心板。我們基于STM32F407VET6的拓展板，集成了繼電器模塊。

拓展板的功能主要是用來(lái)固定線材，由于在封裝庫(kù)中沒(méi)有找到合適的型號(hào)，所以利用了其他端口來(lái)替代，但是焊接的時(shí)候依舊是主要采用P2.54的端坐

另外的硬件設(shè)備：i5主機(jī)一臺(tái)（主要通過(guò)USB轉(zhuǎn)串口模塊通過(guò)串口與下位機(jī)通信），一塊RDKx3開(kāi)發(fā)板。

我們以二塊STM32為核心的雙U系統(tǒng)架構(gòu)，分別負(fù)責(zé)感知與關(guān)節(jié)驅(qū)動(dòng)，PX4模塊采用STM32F427 Cortex M4為核心處理器，主要負(fù)責(zé)感知模塊的驅(qū)動(dòng)與數(shù)據(jù)的運(yùn)算，并將處理好的信息上傳CPU處理，STM32F407VET6自定義模塊自主打板，主要負(fù)責(zé)驅(qū)動(dòng)動(dòng)力關(guān)節(jié)。

3.3 導(dǎo)航感知系統(tǒng)介紹

3.3.1整體介紹

導(dǎo)航感知由本地的自主探索導(dǎo)航、手動(dòng)規(guī)劃的大致巡航航點(diǎn)和范圍劃定的風(fēng)險(xiǎn)驅(qū)動(dòng)導(dǎo)航融合構(gòu)成。

3.3.2 導(dǎo)航感知各模塊介紹（簡(jiǎn)化版）

A. SLAM

SLAM（同步定位與地圖構(gòu)建）用于讓設(shè)備在未知環(huán)境中同時(shí)進(jìn)行自身定位與環(huán)境地圖構(gòu)建。它通過(guò)相機(jī)、激光雷達(dá)、IMU等傳感器收集環(huán)境信息，并利用算法融合這些數(shù)據(jù)，確定設(shè)備位置并生成地圖。

LOAM 是經(jīng)典的激光 SLAM 算法，主要包含點(diǎn)云特征提取、激光里程計(jì)、地圖構(gòu)建三個(gè)模塊。它通過(guò)提取點(diǎn)云的邊緣點(diǎn)和平面點(diǎn)進(jìn)行匹配，實(shí)現(xiàn)高效定位與建圖。在此基礎(chǔ)上，LEGO-LOAM 通過(guò)地面點(diǎn)分割減少計(jì)算量，并引入閉環(huán)模塊降低長(zhǎng)期漂移。

由于 LOAM 依賴(lài)激光雷達(dá)掃描，長(zhǎng)時(shí)間運(yùn)行后易產(chǎn)生漂移，因此多傳感器融合 SLAM 成為趨勢(shì)。IMU 可提供高頻率的角速度與加速度數(shù)據(jù)，結(jié)合 GPS 進(jìn)行融合，提高系統(tǒng)魯棒性。

主流融合方式有 松耦合（分別處理 IMU 和 LiDAR 數(shù)據(jù)后融合）和 緊耦合（直接融合 LiDAR 原始特征點(diǎn)與 IMU 數(shù)據(jù)）。LIO-SAM 采用緊耦合策略，通過(guò) IMU 預(yù)積分校正激光點(diǎn)云畸變，并結(jié)合 GPS 與閉環(huán)檢測(cè)，最終實(shí)現(xiàn)高精度、低漂移的魯棒定位與建圖。

為了更好地實(shí)現(xiàn)定位與建圖效果，我們將ALOAM、LeGO-LOAM與LIO-SAM三種主流SLAM算法進(jìn)行對(duì)比并評(píng)估性能。經(jīng)過(guò)實(shí)驗(yàn)，我們發(fā)現(xiàn)LIO-SAM算法與前兩者相比，細(xì)節(jié)更加豐富，同時(shí)建圖范圍更廣。ALOAM算法在X軸上擬合較好，但是在Y軸和Z軸上誤差較大。LeGO-LOAM算法在X軸和Y軸上擬合較好，但是在Z軸上嚴(yán)重偏離真實(shí)軌跡。LIO-SAM算法則在三個(gè)方向上擬合效果都優(yōu)于其他兩種算法，不過(guò)波動(dòng)較大，有可能是受到IMU標(biāo)定影響，但是曲線趨勢(shì)方向大致正確。

最終我們決定采用LIO-SAM算法作為機(jī)器人SLAM算法。

B. FAR Planner 自主導(dǎo)航框架（簡(jiǎn)化版）

FAR (Fast, Attemptable Route) Planner 是一種實(shí)時(shí)路徑規(guī)劃算法，可根據(jù)傳感器數(shù)據(jù)動(dòng)態(tài)提取環(huán)境幾何特征，并構(gòu)建 Visibility Graph 進(jìn)行導(dǎo)航。它無(wú)需預(yù)先構(gòu)建地圖，可在 1-2ms 內(nèi)完成 300m 范圍的全局路徑規(guī)劃與動(dòng)態(tài)調(diào)整。

算法流程：

1. 環(huán)境建模：將點(diǎn)云轉(zhuǎn)換為二進(jìn)制圖像，并使用平均濾波生成模糊圖像。
2. 特征提取：從模糊圖像中提取多邊形輪廓，并與傳感器數(shù)據(jù)匹配。
3. 動(dòng)態(tài)避障：通過(guò)多幀數(shù)據(jù)檢測(cè)行人、車(chē)輛等動(dòng)態(tài)障礙物，并實(shí)時(shí)更新 V-Graph，當(dāng)障礙物移開(kāi)時(shí)恢復(fù)原有路徑連接。
4. 未知環(huán)境探索：在無(wú)先驗(yàn)地圖的環(huán)境中，F(xiàn)AR Planner 可基于當(dāng)前信息生成多條可行路徑嘗試，并持續(xù)優(yōu)化導(dǎo)航路線。

這一框架使小車(chē)能在復(fù)雜環(huán)境下進(jìn)行高效、自主的動(dòng)態(tài)導(dǎo)航。

C. 基于GIS地圖的航點(diǎn)規(guī)劃（簡(jiǎn)化版）

為提升紅火蟻疫情防治效率，本系統(tǒng)基于 GIS地圖路徑規(guī)劃 進(jìn)行航點(diǎn)優(yōu)化。云端整合 小車(chē)巡視路徑、紅火蟻巢穴信息、歷史疫情數(shù)據(jù) 等多源數(shù)據(jù)，利用預(yù)測(cè)模型估算未搜尋區(qū)域的蟻巢分布概率。

航點(diǎn)規(guī)劃核心算法 綜合考慮 已知巡視路徑、蟻巢分布、風(fēng)險(xiǎn)等級(jí)、用戶(hù)優(yōu)先級(jí) 等因素，并結(jié)合實(shí)時(shí)數(shù)據(jù) 動(dòng)態(tài)調(diào)整最優(yōu)航點(diǎn)。云端生成航點(diǎn)后，通過(guò) 物聯(lián)網(wǎng) 傳輸至小車(chē)，小車(chē)接收導(dǎo)航指令后自主巡視。

巡視過(guò)程中，小車(chē) 實(shí)時(shí)上傳路徑、蟻巢信息 等數(shù)據(jù)，云端系統(tǒng)分析后即時(shí)調(diào)整航點(diǎn)，以適應(yīng)環(huán)境變化，確保巡視策略最優(yōu)

D. YOLO-SRC視覺(jué)目標(biāo)定位算法（簡(jiǎn)化版）

在 過(guò)曝、遮擋、運(yùn)動(dòng)模糊 等干擾嚴(yán)重的戶(hù)外環(huán)境中，蟻巢檢測(cè)面臨挑戰(zhàn)。我們開(kāi)發(fā)的 YOLO-SRC 算法基于 YOLOv4 改進(jìn)，結(jié)合 合成噪聲數(shù)據(jù) 與 對(duì)比學(xué)習(xí)一致性對(duì)齊 訓(xùn)練方法，提高了蟻巢檢測(cè)的魯棒性與準(zhǔn)確性。

核心優(yōu)化點(diǎn)：

1. 特征提取網(wǎng)絡(luò)優(yōu)化 —— 增強(qiáng)微小目標(biāo)特征捕捉，提高識(shí)別精度。
2. 多尺度特征融合 —— 融合不同層級(jí)特征，提升檢測(cè)性能。
3. 數(shù)據(jù)增強(qiáng)與對(duì)齊訓(xùn)練 —— 通過(guò) JSD散度損失 使模型在不同噪聲域下預(yù)測(cè)對(duì)齊，增強(qiáng)抗干擾能力。

目標(biāo)定位流程：

• RGBD雙目相機(jī) 采集圖像，YOLO-SRC輸出目標(biāo)檢測(cè)框。
• 對(duì)齊Depth圖，利用均值濾波去噪，獲取目標(biāo)中心深度。
• 矩陣映射 將像素坐標(biāo)轉(zhuǎn)換為 機(jī)器人坐標(biāo)系，實(shí)現(xiàn) 蟻巢空間位姿估計(jì)。

3.4.2 軟件各模塊介紹

后端設(shè)計(jì)介紹:

使用 Tornado 框架處理高并發(fā)和長(zhǎng)連接請(qǐng)求，負(fù)責(zé)數(shù)據(jù)交互和 API 接口提供，功能模塊包括：

• 軌跡展示處理器：讀取機(jī)器人運(yùn)行軌跡數(shù)據(jù)（經(jīng)緯度），通過(guò)高德地圖API在前端展示。
• 標(biāo)記點(diǎn)處理器：處理紅火蟻巢標(biāo)記點(diǎn)的操作，包括添加、更新和獲取標(biāo)記點(diǎn)數(shù)據(jù)。
• 區(qū)域選擇處理器：查詢(xún)并返回用戶(hù)選擇區(qū)域內(nèi)的紅火蟻巢數(shù)量。
• 熱力圖處理器：返回紅火蟻巢位置數(shù)據(jù)，前端生成熱力圖展示。
• 圖表可視化處理器：處理天氣、機(jī)器人狀態(tài)、溫濕度及蟻巢統(tǒng)計(jì)數(shù)據(jù)，生成圖表進(jìn)行展示。
• 登錄登出功能及攔截器：負(fù)責(zé)用戶(hù)認(rèn)證、會(huì)話管理和權(quán)限控制，確保系統(tǒng)安全。

前端設(shè)計(jì)介紹:

前端使用 高德地圖API 實(shí)現(xiàn)機(jī)器人軌跡、紅火蟻巢標(biāo)記和熱力圖的可視化，功能模塊包括：

• 軌跡展示：在高德地圖上展示機(jī)器人軌跡，通過(guò)經(jīng)緯度描點(diǎn)成線，并提供軌跡的顯示與隱藏控制功能。

• 標(biāo)記點(diǎn)展示：在地圖上標(biāo)記紅火蟻巢位置，點(diǎn)擊標(biāo)記點(diǎn)顯示詳細(xì)信息（照片、經(jīng)緯度、發(fā)現(xiàn)時(shí)間等）。

• 區(qū)域選擇：用戶(hù)可以選擇特定區(qū)域，系統(tǒng)查詢(xún)?cè)搮^(qū)域內(nèi)所有紅火蟻巢數(shù)量，并在地圖上進(jìn)行展示。

• 熱力圖：生成紅火蟻巢分布的熱力圖，顯示蟻巢密位置分布以及密度情況，蟻巢越密集，顏色越深。

• 圖表可視化：展示未來(lái)天氣預(yù)報(bào)、機(jī)器人運(yùn)行狀態(tài)、溫濕度及紅火蟻巢統(tǒng)計(jì)信息的圖表。

五、性能一覽

1 部分機(jī)械結(jié)構(gòu)采用PLA材料打印，部分機(jī)械結(jié)構(gòu)采用pla-CF材料打印。打印密度均大于80%。

2. 殺蟻餌料載重達(dá)40kg

3 機(jī)器人巡航續(xù)航達(dá)4小時(shí)

4 最高速度1m/s

5 視覺(jué)識(shí)別精準(zhǔn)，高達(dá)92%以上

指導(dǎo)老師：張博

深圳大學(xué)機(jī)電與控制工程學(xué)院研究員，博士生導(dǎo)師，深圳市高層次人才，現(xiàn)任人工智能與數(shù)字經(jīng)濟(jì)廣東省實(shí)驗(yàn)室(深圳)主任助理，深圳市自主無(wú)人系統(tǒng)與智能操作聯(lián)合實(shí)驗(yàn)室主任。主要從事的科研方向包括：空間智能、自主智能、具身智能與智能無(wú)人系統(tǒng)及其應(yīng)用。歷任深圳大學(xué)機(jī)電與控制工程學(xué)院自動(dòng)化系主任，學(xué)科辦公室副主任，機(jī)器人工程專(zhuān)業(yè)負(fù)責(zé)人。兼任《Energy Review》青年編輯，TIE、TIC、ISA、IET、Sensors、Journal of the Franklin Institute等期刊審稿人。作為項(xiàng)目負(fù)責(zé)人主持國(guó)家級(jí)項(xiàng)目8項(xiàng)，省市級(jí)項(xiàng)目3項(xiàng)。以第一/通訊作者發(fā)表論文20余篇，其中TOP期刊論文4篇，出版專(zhuān)著 1 部，授權(quán)專(zhuān)利20余項(xiàng)。